深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 39696 篇文献，本页显示第 1801 - 1820 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2026-01-20 |
Standardized evaluation of orthokeratology lens fitting status assisted by deep learning algorithm
2026-Feb, Contact lens & anterior eye : the journal of the British Contact Lens Association
IF:4.1Q1
DOI:10.1016/j.clae.2025.102519
PMID:41115819
|
研究论文 | 本研究开发了一种基于YOLOv8n目标检测算法的标准化评估方法，用于在荧光素染色条件下定量评估角膜塑形镜的位移并客观评价其适配状态 | 首次将YOLOv8n目标检测算法应用于角膜塑形镜荧光素染色图像的自动识别与位移计算，实现了适配状态的客观、定量评估 | 对于经验丰富的适配医师可能无法显著提高效率，且未来需要扩大样本量并纳入多中心数据以验证泛化能力 | 开发一种标准化、客观的角膜塑形镜适配状态评估方法，以辅助临床评估并减少主观偏差 | 角膜塑形镜在荧光素钠染色下的适配过程视频及对应的眼科检查结果 | 计算机视觉 | NA | 荧光素钠染色成像 | 目标检测算法 | 视频、图像 | 117个记录角膜塑形镜荧光素钠染色适配过程的视频 | NA | YOLOv8n | 准确率, 召回率, F1分数, Kappa一致性检验 | NA |
| 1802 | 2026-01-20 |
A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning
2026-Jan-26, Neuroscience
IF:2.9Q2
|
综述 | 本文综述了深度学习技术在阿尔茨海默病中的应用，重点关注数据工具和迁移学习方法 | 强调迁移学习在解决数据标注不足和类别不平衡问题上的创新应用，并全面回顾了数据预处理工具 | 未提出新的模型或算法，主要基于现有文献进行总结，可能未涵盖所有最新研究进展 | 回顾深度学习特别是迁移学习在阿尔茨海默病阶段分类中的应用，并讨论相关挑战 | 阿尔茨海默病的早期识别和阶段分类 | 机器学习 | 阿尔茨海默病 | NA | 深度学习 | 图像（MRI, PET） | NA | NA | NA | NA | NA |
| 1803 | 2026-01-20 |
Comparison of deep learning reconstruction and adaptive statistical iterative reconstruction for head CT in acute stroke
2026-Jan-19, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03898-2
PMID:41549105
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1804 | 2026-01-20 |
AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization
2026-Jan-19, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202510977
PMID:41552976
|
研究论文 | 本文介绍了一种名为DCCV的平台，该平台结合了可编程渗透调节和自动计算机视觉技术，用于实现快速且可重复的蛋白质结晶 | DCCV平台通过半透性双乳液滴实现溶质浓度的动态调节，并利用深度学习成像系统进行高通量、无标记的液滴特性量化，从而克服了传统方法的局限性 | NA | 开发一种新型微流体平台，以改进蛋白质结晶过程，提高效率和可重复性 | 蛋白质结晶过程 | 计算机视觉 | NA | 微流体液滴技术、渗透调节、计算机视觉 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1805 | 2026-01-20 |
Artificial Intelligence-assisted Risk Stratification of Thyroid Nodules with Atypia of Undetermined Significance
2026-Jan-19, European thyroid journal
IF:3.5Q2
DOI:10.1530/ETJ-25-0268
PMID:41553093
|
研究论文 | 本研究评估了一种基于深度学习的AI模型（AI-Thyroid）在甲状腺意义未明的不典型性（AUS）结节风险分层中的临床应用价值 | 首次将深度学习AI模型应用于多中心甲状腺AUS结节的二元分类和恶性风险估计，并与传统K-TIRADS评分系统进行了比较 | 回顾性研究设计，样本量相对较小（165个结节），仅纳入韩国五家医疗机构的数据 | 评估AI模型在甲状腺AUS结节风险分层中的临床适用性，以改善不确定性结节的管理 | 经细针穿刺活检（FNA）诊断为AUS并最终确诊为良性或恶性的甲状腺结节 | 数字病理学 | 甲状腺癌 | 超声成像，细针穿刺活检（FNA） | 深度学习模型 | 超声图像 | 165个甲状腺结节 | 未明确说明 | AI-Thyroid（具体架构未详细说明） | 敏感性，阴性预测值，AUC | NA |
| 1806 | 2026-01-20 |
A chronic kidney disease prediction system based on Internet of Things using walrus optimized deep learning technique
2026-Jan-19, Informatics for health & social care
IF:2.5Q3
DOI:10.1080/17538157.2025.2610695
PMID:41553156
|
研究论文 | 本文提出了一种基于物联网的慢性肾病预测系统，采用海象优化的深度学习技术 | 结合了增强残差网络50进行特征提取，并引入了基于精英对立和柯西分布的海象优化算法进行特征选择，以及海象优化的双向长短期记忆网络进行分类 | 未提及模型在外部验证集上的泛化能力或计算效率的具体评估 | 开发一种高效的慢性肾病预测系统，以提升医疗保健服务 | 慢性肾病患者的医疗数据 | 机器学习 | 慢性肾病 | 物联网数据采集与处理 | 深度学习 | 结构化医疗数据 | NA | NA | EResNet50, WOBLSTM | 灵敏度 | NA |
| 1807 | 2026-01-20 |
Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen healthcare settings
2026-Jan-19, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf156
PMID:41553357
|
研究论文 | 本研究开发了基于机器学习的通用模型，用于在未见过的医疗环境中快速预测抗菌素耐药性 | 利用掩码自编码器（MAE）处理MALDI-TOF质谱数据，并结合化学语言模型和SELFIES编码抗菌药物，提升了模型在跨机构和时间段的泛化能力 | 模型性能在训练数据之外的医院或时间段仍可能下降，且未明确说明是否适用于所有类型的抗菌药物或病原体 | 开发具有高泛化能力的机器学习模型，以加速临床抗菌素耐药性预测 | MALDI-TOF质谱数据和抗菌药物信息 | 机器学习 | NA | MALDI-TOF质谱 | 掩码自编码器（MAE）, 化学语言模型 | 质谱数据, 化学结构数据 | 来自四个医疗机构的交叉验证数据 | NA | MAE, Molformer | 精确率-召回率曲线下面积（AUC-PR） | NA |
| 1808 | 2026-01-20 |
Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children
2026-Jan-19, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06503-z
PMID:41553466
|
研究论文 | 本研究评估了在儿科患者中使用宽探测器能量积分CT系统结合深度学习重建的超低剂量肺部CT方案的辐射剂量和性能 | 利用宽探测器能量积分CT和深度学习图像重建技术，实现了与新型光子计数CT系统相当的0.12-0.23 mSv超低剂量儿科肺部CT成像 | 研究为回顾性分析，存在心脏运动和阶梯伪影等非破坏性伪影，尽管不影响诊断解读 | 评估儿科超低剂量肺部CT的辐射剂量和诊断图像质量 | 106名儿科患者（年龄范围113天至17.85岁）的277次低剂量肺部CT扫描 | 数字病理学 | NA | 计算机断层扫描（CT），深度学习图像重建，衰减基础自动处方 | NA | CT图像 | 277次CT扫描来自106名儿科患者 | NA | NA | 信噪比，对比噪声比 | NA |
| 1809 | 2026-01-20 |
Hybrid imaging-clinical model for predicting microvascular invasion in hepatocellular carcinoma using deep learning-derived features from CT
2026-Jan-19, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01689-w
PMID:41553627
|
研究论文 | 本研究提出了一种结合深度学习和机器学习技术的方法，利用CT图像中的脂肪组织特征来预测肝细胞癌患者的微血管侵犯状态 | 首次整合脂肪组织深度特征与临床特征构建混合模型，用于预测肝细胞癌的微血管侵犯，并通过可视化分析验证了脂肪组织模态的临床诊断价值 | 研究仅基于两个中心的517例患者数据，样本量相对有限，且未进行外部验证 | 开发一种预测肝细胞癌微血管侵犯的混合成像-临床模型 | 肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 增强计算机断层扫描 | 深度学习, 机器学习 | 图像 | 517例肝细胞癌患者 | NA | NA | AUC, 决策曲线分析, 散点图, 箱线图 | NA |
| 1810 | 2026-01-20 |
Development and validation of a deep survival model to predict time to seizure from routine electroencephalography
2026-Jan-19, Epilepsia
IF:6.6Q1
DOI:10.1002/epi.70101
PMID:41553763
|
研究论文 | 本研究开发并验证了一个深度学习生存模型EEGSurvNet，用于从常规脑电图分析中预测个体随时间变化的癫痫发作风险 | 首次开发了深度学习生存模型EEGSurvNet，能够从单次常规脑电图中提取超出可见癫痫样异常的预后信息，并在无癫痫样放电的脑电图中表现出优越的区分能力 | 研究为回顾性队列设计，未来需要前瞻性研究来验证结果并评估临床影响 | 开发并验证一个深度学习模型，以预测癫痫患者从常规脑电图记录到下一次癫痫发作的时间 | 994名患者的1014次连续常规脑电图记录 | 机器学习 | 癫痫 | 常规脑电图 | 深度学习生存模型 | 脑电图信号 | 1014次脑电图记录（来自994名患者），测试集包含135次脑电图记录（来自115名患者） | NA | EEGSurvNet | 时间依赖性AUROC, 2年积分AUROC, C指数 | NA |
| 1811 | 2026-01-20 |
Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model
2026-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-026-36747-0
PMID:41549127
|
研究论文 | 本研究提出了一种基于注意力特征卷积神经网络（AFCNN）的模型，用于实时识别大学外语课堂中学生的情绪变化，并为教师提供及时的教学反馈 | 将注意力机制与卷积神经网络结合，应用于教育情感分析领域，提出了一种新的外语教师专业发展路径，并验证了模型在遮挡情况下的鲁棒性 | 模型在面部被遮挡时识别准确率会下降，且仅针对快乐和中性两种情绪的识别效果较好，可能未涵盖更广泛的情感状态 | 探索深度学习技术在教育情感分析中的应用，通过情绪识别支持外语教师的专业发展和教学反馈 | 大学外语课堂中的学生情绪变化及外语教师的专业发展 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | AFCNN, VGG16, ResNet18 | 准确率 | NA |
| 1812 | 2026-01-20 |
ASO Author Reflections: Multimodal Deep Learning Redefining Precision Prognosis in Prostate Cancer
2026-Jan-18, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-026-19105-2
PMID:41549219
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1813 | 2026-01-20 |
EvoZymePro-Cat: A Protein-Ligand-Aware Deep Learning Framework for Predicting Mutation Effects in Enzyme Function
2026-Jan-16, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00755
PMID:41422407
|
研究论文 | 本文提出了一种名为EvoZymePro-Cat的深度学习框架，用于预测突变对酶功能的影响，并通过比较预测突变活性来筛选改进的酶突变体 | 提出了一种成对比较框架，直接建模变体间的相对活性优势，避免了绝对活性预测的系统误差；整合了蛋白质和配体的全序列与局部结构语义，并利用双线性注意力机制捕获催化过程中的长程分子间相互作用 | 未明确说明模型在跨酶家族或不同反应类型中的泛化能力，也未详细讨论计算资源需求或运行时间 | 开发一个深度学习平台，用于高效筛选酶突变体，以推动酶的高效发现和定向进化 | 酶突变体及其功能活性 | 机器学习 | NA | 深度学习 | Transformer, 注意力机制 | 蛋白质序列、配体分子表示、结构特征 | NA | NA | ESM1b, MolT5, 双线性注意力机制 | AUC | NA |
| 1814 | 2026-01-20 |
A Deep Learning Model for Dynamic Prediction of Acute Kidney Injury in Heart Failure Patientss
2026-Jan-16, The Canadian journal of cardiology
DOI:10.1016/j.cjca.2026.01.011
PMID:41548653
|
研究论文 | 本研究开发并验证了一个基于LSTM的动态预测模型，用于预测心力衰竭患者的急性肾损伤风险 | 采用动态焦点损失函数处理类别不平衡问题，并设计了短期和长期两种动态预测视角，能够提供早期预警 | 研究数据来源于单一数据库（MIMIC-IV v3.1），可能限制了模型的泛化能力 | 开发并验证一个动态预测模型，用于预测心力衰竭患者的急性肾损伤风险 | 心力衰竭患者 | 机器学习 | 心血管疾病 | NA | LSTM | 临床数据 | 7,636名心力衰竭患者 | NA | LSTM | AUC | NA |
| 1815 | 2026-01-20 |
AggrescanAI: Prediction of Aggregation-Prone Regions Using Contextualized Embeddings
2026-Jan-16, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2026.169643
PMID:41548690
|
研究论文 | 本文介绍了AggrescanAI，一种基于深度学习的工具，可直接从蛋白质序列预测残基水平的聚集倾向 | 利用ProtT5蛋白质语言模型的上下文嵌入，无需结构数据即可捕获序列中隐含的丰富信息，代表了新一代基于序列的聚集预测工具 | 未明确说明模型在特定蛋白质类型或极端条件下的泛化能力限制 | 开发一种能够准确预测蛋白质序列中聚集倾向区域（APRs）的深度学习工具 | 蛋白质序列及其聚集倾向区域 | 自然语言处理 | 神经退行性疾病 | 蛋白质语言模型 | 深度学习 | 序列数据 | 通过同源转移扩展的实验注释APRs数据集 | TensorFlow, PyTorch | ProtT5 | 交叉验证，外部基准测试 | Google Colab |
| 1816 | 2026-01-20 |
Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction
2026-Jan-16, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2025-0058
PMID:41548899
|
研究论文 | 本研究评估了结合周期性旋转重叠平行线增强重建序列与深度学习重建的头颈部扩散加权磁共振成像质量 | 首次将PROPELLER-DWI序列与深度学习重建技术结合，并系统比较了不同重建强度下的成像效果 | 样本量较小（仅10名健康成年人），未在患者群体中验证，且仅使用单一MRI设备 | 提升头颈部扩散加权磁共振成像的图像质量 | 健康成年人的头颈部磁共振图像 | 医学影像处理 | NA | 扩散加权磁共振成像，周期性旋转重叠平行线增强重建序列，单次激发回波平面成像 | 深度学习重建模型 | 磁共振图像 | 10名健康成年人（8名男性，2名女性） | NA | NA | 信噪比，对比度比，表观扩散系数图的变异系数，整体图像质量，几何畸变程度，磁敏感伪影 | 3特斯拉磁共振系统（Discovery MR750w） |
| 1817 | 2026-01-20 |
Explainable AI for pain perception: subject-independent EEG decoding using DeepSHAP and CNNs
2026-Jan-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae34b4
PMID:41499809
|
研究论文 | 本研究使用可解释的深度学习（DeepSHAP和CNN）从EEG信号中解码疼痛感知，实现主体独立的疼痛水平分类 | 首次将DeepSHAP可解释性技术应用于EEG疼痛解码，识别出与高低疼痛状态相关的特定频率带贡献 | 样本量较小（50名受试者），仅针对低和高两种疼痛刺激水平，未涵盖更广泛的疼痛强度范围 | 开发可解释的深度学习模型，用于从EEG信号中客观监测疼痛水平 | 50名受试者在低和高疼痛刺激下的EEG信号 | 机器学习 | NA | EEG信号分析 | CNN | EEG信号 | 50名受试者 | NA | 1D CNN | 分类准确率 | NA |
| 1818 | 2026-01-20 |
Skin disease diagnostics through federated transfer learning on heterogeneous data
2026-Jan-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31730-7
PMID:41540083
|
研究论文 | 本文提出了一种结合联邦学习和迁移学习的隐私保护方法，用于皮肤疾病的诊断，旨在解决医疗数据短缺和隐私限制问题 | 结合联邦学习与迁移学习，构建了一个隐私保护的诊断生态系统，并在异构数据上验证了模型的有效性 | 未明确说明模型在更广泛或真实世界临床环境中的泛化能力，以及具体的数据隐私保护机制细节 | 开发一种高效、轻量且隐私保护的皮肤疾病诊断方法，以提升诊断准确性并适应资源受限设备 | 皮肤疾病 | 机器学习 | 皮肤疾病 | 联邦学习, 迁移学习 | DNN | 图像数据（推断自皮肤疾病诊断） | NA | NA | 密集神经网络 | 交叉验证准确率 | 资源受限设备（如边缘设备） |
| 1819 | 2026-01-20 |
Modeling Ischemic Stroke Pathological Dynamics via Continuous Fields and Vector Flow
2026-Jan-15, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02222-9
PMID:41540225
|
研究论文 | 提出了一种名为StrokeFlow的新型框架，用于将缺血性卒中区域建模为连续场，以更精确地定位扩散加权MRI中的灌注缺损 | 将缺血性卒中建模从离散二值分割转向连续、功能感知的场表示，并引入了与表观扩散系数图负梯度对齐的矢量流场来模拟灌注缺损的方向性 | 仅使用了公开的ISLES 2022数据集进行评估，未在更广泛或多样化的临床数据上进行验证 | 开发一种更精确、生物学上更合理且可解释的工具，用于缺血性卒中的临床评估 | 急性缺血性卒中患者的扩散加权MRI图像 | 医学影像分析 | 缺血性卒中 | 扩散加权MRI | 基于坐标的神经网络 | 医学影像 | ISLES 2022公开数据集 | NA | StrokeFlow | 95% Hausdorff Distance, 敏感性 | NA |
| 1820 | 2026-01-20 |
Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot
2026-Jan-15, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2026.110724
PMID:41548324
|
研究论文 | 本研究开发了一种基于深度学习的可解释模型，用于将足部X光片分类为正常、足底筋膜炎和扁平足三类 | 利用合成X光图像数据集训练模型，并通过Grad-CAM++增强模型可解释性，提供解剖学一致的激活模式分析 | 模型基于合成数据集训练，需在真实临床环境中进一步验证 | 开发并解释能够对足部X光片进行多类分类的深度学习模型 | 足部X光图像 | 计算机视觉 | 足部疾病 | X光成像 | CNN | 图像 | 9500张合成侧位足部X光图像 | NA | DenseNet-121 | 准确率, F1分数 | NA |